{\rtf1\ansi\ansicpg1252\cocoartf1187\cocoasubrtf390
{\fonttbl\f0\fnil\fcharset0 Menlo-Regular;}
{\colortbl;\red255\green255\blue255;}
\paperw11900\paperh16840\margl1440\margr1440\vieww10800\viewh8400\viewkind0
\deftab529
\pard\tx529\pardeftab529\pardirnatural

\f0\fs22 \cf0 \CocoaLigature0 #4.2\
\
cervejas <-c("chope","lata","garrafa","chope","garrafa", "garrafa","lata","lata","nenhuma","lata","garrafa","garrafa", "garrafa","lata","lata","lata","garrafa","lata","chope","nenhuma", "garrafa","garrafa","garrafa","chope","garrafa","garrafa","chope","garrafa","lata","lata")\
cervejas<- table(cervejas)\
grafico.barras<- barplot(cervejas, ylab="Frequ\'eancia", xlab="Tipo de cerveja")\
cervejas.matrix<- matrix(cervejas)\
rownames<- c("chope", "garrafa", "lata", "nenhum")\
grafico.pontos<- dotchart(cervejas.matrix, labels=rownames, xlab="Frequ\'eancia", main="Tipos de cervejas", bg="blue")\
#O gr\'e1fico de pontos (dotplot) apresenta uma maior raz\'e3o de dados por tinta, ou seja, \'e9 necess\'e1rio menos tinta neste gr\'e1fico para mostrar a informa\'e7\'e3o contida no mesmo.\
\
#4.3\
\
caixeta<- read.table("caixeta.csv", header=T, sep=",", as.is=T)\
dap<- (caixeta$cap/(pi*2)*2)\
dap\
caixeta<- data.frame(caixeta, dap)\
hist(caixeta$dap, xlab="Di\'e2metro na Altura do Peito (cm)")\
hist(caixeta$h[caixeta$local=="chauas"], xlab="Altura das \'c1rvores - Chauas")\
hist(caixeta$h[caixeta$local=="jureia"], xlab="Altura das \'c1rvores - Jureia")\
hist(caixeta$h[caixeta$local=="retiro"], xlab="Altura das \'c1rvores - Retiro")\
#H\'e1 diferen\'e7a entre as estruturas dos caixetais. Chauas apresenta a grande maioria das \'e1rvores com alturas entre 50-100 metros e ainda, apresenta um outlier com valores pr\'f3ximos a 500 metros de altura, enquanto que Jureia apresenta a maioria de suas \'e1rvores com alturas entre 80-120 metros. Al\'e9m disso, \'e9 mais f\'e1cil de se notar que a amostra de Jureia, provavelmente prov\'e9m de uma popula\'e7\'e3o que apresenta distribui\'e7\'e3o normal. Retiro, apesar de tamb\'e9m representar uma amostra que provavelmente veio de uma popula\'e7\'e3o com distribui\'e7\'e3o normal, apresenta suas m\'e9dias de altura mais baixas, com a maioria de suas alturas distribu\'eddas entre 40-100 metros.\
\
#4.4\
\
e.grandis <- read.table("egrandis.csv",header=TRUE, sep=";",as.is=TRUE)\
e.grandis\
boxplot(e.grandis$dap~(e.grandis$regiao+e.grandis$rotacao))\
qqnorm(e.grandis$ht)\
\
#4.5\
\
#4.5.1\
caixeta <- read.csv("caixeta.csv", as.is=T)\
head(caixeta)\
tab.cas <- caixeta[caixeta$especie=="Tabebuia cassinoides",]\
head(tab.cas)\
tab.cas$dap <- tab.cas$cap/ pi \
tab.cas$dap\
tab.cas$area.basal <- (tab.cas$dap/2)^2*pi\
a <- aggregate(x = tab.cas$area.basal, by = list(tab.cas$arvore, tab.cas$h, tab.cas$local), FUN = sum)\
head(a)\
colnames(a) <- c("arvore", "altura", "local", "area.basal")\
a$local <- as.factor(a$local)\
a$dap <- ((a$area.basal/pi)^0.5)*2\
par(mfrow = c(1,3))\
plot(a$dap[a$local == "chauas"]~ a$altura[b$local == "chauas"])\
plot(a$dap[a$local == "jureia"]~ a$altura[b$local == "jureia"])\
plot(a$dap[a$local == "retiro"]~ a$altura[b$local == "retiro"])\
#4.5.2\
scatter.smooth(a$dap[a$local == "chauas"]~ a$altura[b$local == "chauas"],span=1/2)\
scatter.smooth(a$dap[a$local == "jureia"]~ a$altura[b$local == "jureia"],span=1/2)\
scatter.smooth(a$dap[a$local == "retiro"]~ a$altura[b$local == "retiro"],span=1/2)\
#4.5.3\
library(lattice)\
xyplot(a$altura~a$dap|a$local)\
}